Диссертация (1150572), страница 5
Текст из файла (страница 5)
Для каждогоиз изображений, представляющих свой собственный класс, были вычислены 13характеристик. Таблица с полными результатами представлена в приложенииA под номером 4.1. В качестве классифицирующего признака можно выбрать,например, любой из f2 , f8 , f11 , f12 .28а) Представитель D1б) Представитель D9Рисунок 1.2. – Представители альбома Бродаца.1.4Классификация изображений биомедицинскихпрепаратовПредставленные результаты достаточно точной классификации для изоб-ражений из столь разных практических областей позволяют рассмотреть алгоритм вычисления статистических признаков Харалика как вероятного кандидата на использование в классификаторе биомедицинских изображений.
Действительно, существуют исследования, где статистические признаки Хараликаиспользуются для получения численных характеристик изображений биологического происхождения [49, 57, 58].Для диссертационного исследования в качестве образцов были взяты изображения фармакологических растворов серебра различной концентрации, полученные с помощью атомно-силового микроскопа. Каждое из изображенийцветное и имеет размер 724 × 724.
Изображения изначально классифицированы естественным образом на три класса: первый класс составляют растворыс нулевым содержанием серебра, второй класс составляют растворы с незна-29чительным (малым) содержанием ионов серебра, третий класс — растворы, вкоторых концентрация ионов серебра высока. Каждый класс содержит по 78 образцов.
На рисунке 1.3 представлены типичные изображения каждого изклассов.а) нулеваяб) малаяв) большаяконцентрацияконцентрацияконцентрацияРисунок 1.3. – Типичные представители изображений с различной концентрацией серебра.Визуально для человека представленные изображения отличимы друг отдруга по текстуре, что позволяет предположить, что численные значения какихлибо из перечисленных выше признаков Харалика второго порядка будут кластеризуемы на числовой прямой в соответствии с действительной принадлежностью к классам по концентрации.Все указанные образцы изображений были приведены к черно-белой цветовой гамме, для результатов были вычислены все признаки Харалика второгопорядка.
Все результаты вычислений представлены в приложении A, а на рисунке 1.4 приведены типичные результаты для двух характеристик: суммарнойэнтропии и обратного момента.Из представленных графиков и таблиц можно видеть, что вычислениехарактеристик Харалика второго порядка не дает нужного результата: наборы чисел, соответствующих изображениям различных первоначальных классовнеотделимы на числовой прямой.
Поэтому, основываясь на этих вычислениях,30Рисунок 1.4. – Результаты вычислений суммарной энтропии и обратного момента дляизображений растворов серебра, представленных в черно-белой цветовой гамме.построить классификатор не представляется возможным.1.5Использование цветовых пространствТем не менее очевидно, что текстура всех трех изображений на снимкахразлична и информация об этих различиях должна быть каким-либо образомзаключена в исходных картинках. Можно предположить, что эта информациякаким-либо образом была потеряна. При обработке изображения информациямогла быть искажена, например, в момент приведения картинки к черно-белымтонам (так как подобное преобразование неизбежно ведет к потере части информации). Замена этого шага другим может тем или иным способом повлиятьна полученные результаты.В современной компьютерной графике принято рассматривать цветныеизображения как наборы точек, каждая из которых представляет собой вектор, соответствующий положению данного цвета в том или ином цветовом прострастве (модели) [19].
Самыми распространенными цветовыми моделями яв-31б) HSV-модельа) RGB-модельРисунок 1.5. – Геометрические интерпретации цветовых моделей RGB и HSV.ляются пространства RGB (Red — красный, Green — зеленый, Blue — синий)и HSV (Hue — тон, Saturation — насыщенность, Value — значение цвета). Вкаждом из них цвет точки описывается тремя числовыми значениями. Геометрические интерпретации обеих моделей представлены на рисунке 1.5.Нетрудно понять, что два монотонно залитых различным цветом изображения с точки зрения человека представляют собой совершенно разные классы,в то время как с точки зрения анализирующего их в черно-белом спектре компьютера они будут отнесены к одному классу “монотонно залитых изображений”. Можно представить более сложные примеры таких несоответствий.
Влияние использования разных цветовых палитр на исследования изображений биомедицинской природы можно найти в [37, 56, 77]. Возможность использованиядополнительной цветовой информации для текстурного анализа изображенийобсуждается в [70, 72, 84].Будем каждое наше изображение рассматривать с точки зрения обеих цветовых моделей. Это означает, что в качестве первого шага алгоритма будем вычислять значения соответствующих координат вектора в соответствующем цветовом пространстве.
В качестве примера рассмотрим одно из изображений рас-32творов серебра. На рисунке 1.6 приведено само изображение, его черно-белыйвариант и 6 компонент в соответствующих цветовых пространствах.а) Исходное изображениеб) Приведенное к черно-беломув) Координата Rг) Координата Gд) Координата Bе) Координата Hж) Координата Sи) Координата VРисунок 1.6. – Изображение и его различные представления.В результате для каждого изображения мы получим 6 матриц, каждую изкоторых можно исследовать с помощью вычисления статистических признаков33Рисунок 1.7.
– Результаты вычислений суммарной энтропии и обратного момента дляизображений растворов серебра, представленных координатой H цветовой гаммы HSV.Харалика второго порядка.1.6Численный экспериментБыли вычислены все признаки Харалика для всех построенных по изоб-ражениям растворов серебра матриц для каждого цветового пространства.
Вычисления производились для изображений размера 724 × 724, использовался классический алгоритм вычисления статистических признаков Харалика сквадратичной сложностью. Время обработки одной картинки в среднем составило 43 секунды. Были написаны сценарии для автоматического вычислениявсех характеристик Харалика во всех цветовых пространствах для заданныхмножеств картинок. Полные таблицы с вычисленными результатами представлены в Приложении A.
Особое внимание обратим на представленные на рисунке 1.7 результаты для координаты H цветового пространства HSV характеристик суммарная энтропия и обратный момент.Как видно из приведенных графиков, числовые значения для изображений34различных классов дают четко отделимые на числовой прямой множества вобоих случаях. Это позволяет построить на основе этого сочетания координатыцветовой модели и характеристик Харалика построить k-means классификатор[98] достаточной точности.
После обучения на тестовой выборке классификаторраспознает принадлежность изображения к одному из трех классов с точностью95,2%.1.7РезультатыПредложено использование координат пикселей в цветовых моделях RGBи HSV в качестве исходных данных для решения задачи классификации изображений с помощью статистических характеристик Харалика второго порядка.В результате исследования изображений фармакологических растворов серебра различной концентрации было установлено, что в то время как приведение к черно-белым тонам и разложение по цветовой модели RGB не приводятк необходимой для создания классификатора отделимости характеристик, разложение по модели HSV дает положительный результат: при вычислении двуххарактеристик Харалика “суммарная энтропия” и “обратный момент” для координаты H вычисленные значения строго отделимы на числовой прямой. Этодает возможность построить обладающий высокой (95,2%) точностью классификатор, разделяющий изображения в соответствии с реальными классами.Можно предположить, что наблюдаемые результаты объясняются тем, чтоисходные изображения сами по себе представляют результат компьютерной обработки некоторых данных.
Так, изображение, получаемое с помощью атомносилового микроскопа, всегда монохромно, но программное обеспечение этогоприбора формирует цветную картинку. Такое графическое представление предназначено для человека, поэтому в него вносятся некоторые преднамеренныеискажения, адаптирующие информацию для восприятия человеческим глазом.Эти искажения различным образом действуют на координаты точек в различ-35ных цветовых моделях.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
